У Particleworks Europe есть совершенно сумашедшие демо того, как они моделируют процесс печати на полимерных 3D принтерах филаментом. Это прям что-то из серии "а вам слабо?" Признаюст честно, мне слабо. https://www.youtube.com/watch?v=AH0ia7rLy0s

Machine Learning Methods in Geotechnical Engineering

Подход машинного обучения является областью искусственного интеллекта и основан на принципе, что машины могут получать данные, обучаться и предсказывать поведение на основе прошлых наблюдений из полученных данных. На этом вебинаре будет рассмотрена применимость различных методов машинного обучения в ряде задач геомеханики, таких как устойчивость склонов, несущая способность свай, динамическая пенетрация и прогнозирование свойств, присущих грунтам.

Статистические методы и искусственный интеллект (ИИ) использовались для прогнозирования поведения грунта во многих геотехнических приложениях. Тем не менее, с развитием больших данных и совершенствованием вычислительного интеллекта, модели ИИ оказались более успешными в прогнозировании по сравнению со статистическими моделями. Благодаря своей эффективности и надежности, методы ИИ привлекли определенное внимание для решения сложных проблем, где существуют сильно нелинейные отношения между влияющими параметрами.

Докладчик вебинара, ведущий - профессор Маджид Назем из Университета RMIT, Мельбурн, Австралия.

https://youtu.be/iTSYLdGrJJI

Небольшой наброс на вентилятор в цесть пятницы.

В книге «Черты будущего» (в оригинале «Profiles of the Future», 1962) английский изобретатель, писатель и футуролог Артур Кларк сформулировал так называемые «законы Кларка», в соответствии с которыми, по его мнению, развивается современная наука.

Первый закон: Если заслуженный, но престарелый учёный говорит, что нечто возможно, он почти наверняка прав. Если же он говорит, что нечто невозможно, он почти определённо ошибается.
Второй закон: Единственный путь обнаружить пределы возможного — уйти за эти пределы, в невозможное.
Третий закон: Любая достаточно развитая технология неотличима от магии.

Сталкивались ли вы с работой данных законов в своей жизни? Играли ли вы уже роль заслуженного ученого из первого закона? Предлагаю неистово коментировать.

https://www.wikiwand.com/ru/%D0%9A%D0%BB%D0%B0%D1%80%D0%BA,_%D0%90%D1%80%D1%82%D1%83%D1%80_%D0%A7%D0%B0%D1%80%D0%BB%D1%8C%D0%B7

В среду, 26 апреля 2023 года, в 8:00 утра по тихоокеанскому времени NVIDIA проведет бесплатный часовой вебинар по теме Physics ML

Physics ML - это термин, который в NVIDIA используется для обсуждения решения сложных инженерных задач с помощью ИИ: таких задач, как оптимизация инженерных проектов, разработка виртуальных датчиков и создание цифровых двойников. До недавнего времени некоторые из этих проблем решались только с помощью сложных численных инструментов, а другие считались невозможными из-за высоких вычислительных требований традиционных методов. В этом докладе NVIDIA обсудит, как Physics ML меняет представление о возможностях. NVIDIA поделится некоторыми примерами, представит три различных типа методов Physics ML, навыки, необходимые для их использования, и обсудит, что NVIDIA делает, чтобы помочь снизить барьер для разработки и внедрения решений Physics ML.

https://info.nvidia.com/developer-modulus-deepdive-webinar.html

Лет 5 назад у любителей LS-DYNA была групп на Yahoo для взаимной поддержки и обсуждения хитростей постановок задач. Потом Yahoo закрыл свой сервис групп. Но группа любителей LS-DYNA не пропала. Она переехала на Google Groups и живет по адресу: https://groups.google.com/g/ls-dyna2

Как решать больше задачи с брызгами?

В современной автомобильной, и не только, промышленности очень актуальны задачи взаимодействия твердых тел с жидкостями, что бы было много брызг. Два ключевых примера таких задач:
* Прохождение автомобиля по глубоким лужам/через мелкий брод и определение
* Смазка и охлождение чего-то быстро вращающегося, как, например, коробки передач
Как показывает обзор современных публикаций, все предпочитают использовать для этого SPH и его вариации.

Примером сравнения реализаций работы данного метода является отчет Чалмерского технологического университета (Chalmers). Свое исследованием она выполнили по заказу Volvo Trucks. В данном отчете проведено подробное сравненеие работы Ansys LS-DYNA (IISPH), Preonlab (IISPH) и Siemens Simcenter SPH Flow (Riemann-SPH). Кроме SPH коллеги затронули и VOF с MPS.

https://hdl.handle.net/20.500.12380/305367

ARM процессоры для CAE

Очень жаль, что все большие игроки CAE рынка игнорируют платформу macOS и ее ARM процессоры Apple Mx. Вот прошлогодняя статейка, где показано, как M1 Ultra в щепки разносит все серверные процессоры Intel в наборе тестов USM3D. USM3D - это открытый CFD код для неструктурированных тетраэдральных сеток, разрабатываемый для решения задач внешней аэродинамики в NASA с 1989 года на FORTRAN-90.
Жалко только, что в тесте нет аналогичных машины на Linux и Windows для полноты сравнения.

https://www.extremetech.com/extreme/334856-the-apple-m1-ultra-crushes-intel-in-computational-fluid-dynamics-performance

https://software.nasa.gov/software/LAR-16670-GS

Еще в прошлой жизни я рассказывал вам, как Доктор Йорген Бергстром на своем канале учит писать КЭ решатель. На тот момент у него было два видео: про то, как написать рашатель на Python в 100 и в 200 строчек кода. За прошедший год плейлист получил дополнительные 5 видео про основные понятия теории МКЭ. Вперед за знаниями!

https://youtube.com/playlist?list=PLDatYNwS3wZ_b9xVZOb2K9zUTDOp0gY0T

The PERMAS Finite Element Software

Этот код берет свое начало с 60-х годова, когда разработка его пропродителя началась в Институте статики и динамики Штутгартского университета. Короче говоря, еще один неявный решатель МКЭ с прицелом на моделирование геометрической и физической нелинейности. Интересно посмотреть, что по внутренним тестам он уделывает Marc.

https://www.youtube.com/watch?v=GjUjZvVxLbo

Научная статья про самое больше DNS моделирования солнечной плазмы.

Научный CFD код BATS-R-US MHD перемолол 0.5 триллона ячеек. Было потрачено 200 миллионами процессорных часов.

Красивые картинки прилагаются.

https://www.science.org/doi/epdf/10.1126/sciadv.abn7627

Обзор современного сосояния подходов к генерации HEX сеток.

44 страницы отличного материала. Охватывается весь спектр альтернативных подходов к генерации сеток, а также алгоритмы постобработки для редактирования связности и оптимизации сеток. Для каждого метода описывабтся возможности и ограничения, а также указываются на связанные с ним нерешенные задачи. Также обсуждаются недавние "расслабленные подходы", нацеленные на генерацию не чисто HEX, а HEX Dominant сеток. Попутно вводится необходимая справочная информация, относящаяся как к геометрическим, так и к комбинаторным аспектам.

https://dl.acm.org/doi/10.1145/3554920

TaniqWind Pro и TaniqWind Design

Не только CADWIND является игоком на рынке ПО генерирующего слоистую структуру изделий получаемых намоткой. Например, компания Taniq делает вообще все под ключь: они и свои станки по намотке производят, и специализированный софт TaniqWind Pro и TaniqWind Design продают.

https://youtu.be/aqpm--ta7QU
http://www.taniq.com/

Критерий устойчивости Друкера

Первый критерий устойчивости Друкера (на самом деле впервые предложенный Родни Хиллом, и также иногда называемый критерием устойчиости Хилла) является строгим условием для дополнительной внутренней энергии материала, согласно которому дополнительная внутренняя энергия может только увеличиваться. Популярное объяснение его работы на прилагаемом видео.

https://www.youtube.com/watch?v=93rttiJkzyY

Курс по изогеометрическому анализу (IGA) - пр. Стефан Бордас (Pr. Stéphane Bordas), Люксембургский университет

Я продолжаю считать, что IGA - это будущее прочностных расчетов (имеется ввиду моделирование без разрушения и фрагментации конструкции). Сегодня я нашел записи онлайн-лекций по первому введению с практическим погружением в Iso-Geometric Analysis (IGA) от профессора Стефана Бордаса из Университета Люксембурга. Лекции организованы под эгидой проекта DRIVEN в сотрудничестве с Университетом Лимерика. И это прям настоящие старые добрые лекции, где лектор быстро пишет кучу заковыристых формул на доске, а вы сидите в акдитории и стараетесь не моргать 😊

https://youtu.be/FXz95yofxGM?list=PLcTmD6YRWm6vUzglYI34llIdj6AKoI5MS

ИИ для научных работ

Одной из самых горячих тем этого года стало стремительное развитие искусственного интеллекта и ChatGPT как одного из самых ярких его представителей. Но это не повод отказываться от искусственного интеллекта. Я несколько раз пытался внедрить его в свою жизнь и работу, но пока это оказывалось совершенно бесполезным.

Сегодня я протестировал ИИ, созданный для помощи исследователям, и это стало для меня откровением. Я говорю о системе SciSpace Copilot, основанной на GPT-3. Это GPT-3, предварительно обученный на обширной библиотеке научных статей (авторы заявляют о более чем 270 миллионах публикаций). И я с осторожностью могу сказать вам, что это работает.

SciSpace Copilot объясняет формулы и таблицы и представляет текстовые и математические вкладки. Вы можете обсудить непонятную научную статью со своим терпеливым собеседником. Браво!

https://youtu.be/-pnbXQufCro

Моделирование кумулятивной струи от LLNL в SPH постановке. Красиво и с экспериментом.

https://www.youtube.com/watch?v=5SBQdRobGCY

LLNL публикует доклады своих молодых исследователей по теме создания моделей материалов на основе машинного обучения.

Нет, это не ChatGPT будет решать за вас ваши задачи. Это скорее нейронная сеть будет генерировать некую поверхность отклика представительного элемента объема материала на внешние нелинейные воздействия. Соответственно, у вас в модели больше не будет никакого, упрощенно говоря, закона Гуку. У вас там будет сидеть "черный ящик" которые натренирован описывать поведением материала на микроуровне. Таким публикации, кстати, были у Ansys LST еще 2 года назад.

https://www.youtube.com/watch?v=kEOl3WjS61A